Амосов Н.М. Алгоритмы разума

Подождите немного. Документ загружается.

максимальное число). Каждый из объектов задавался

упорядоченным набором из 8—10 признаков (входных

воздействий). Выходом модели являлся оптимальный

план передвижений в среде. В среднем такой план мог

состоять из 30 элементов (целей, подцелей и ожидае-

мых отклонений внутренних состояний).

М-автомат МОД-2 вырабатывал конкретные реали-

зации планов, построенных МОД-1. Его основная осо-

бенность связана с реализацией на М-сети программ

самообучения. Последнее осуществлялось путем из-

менения веса первоначально заданных связей, устано-

вления новых связей и порождения новых узлов М-се-

ти. Протекание процессов изменения структуры сети

определялось особенностями среды, в которой действо-

вал автомат, соотнесенными с поставленными перед

ним задачами. Задачи могли формулироваться, на-

пример, в следующем виде: действовать так, чтобы

обеспечить максимальное значение оценки «собствен-

ного комфорта», максимальное соответствие внешних

и внутренних реакций автомата реакциям моделируе-

мого объекта или быстрейшее достижение цели. Воз-

можны были и комбинированные задачи.

Автомат может рассматриваться как модель дея-

тельности человека по принятию решений в задачах

движения в лабиринте. Кроме того, МОД-2 может быть

использован в качестве устройства, управляющего

передвижением технических систем, предназначенных

для сбора информации, транспортировки и т. п.

В зависимости от цели использования автомата изме-

няется и критерий оценки эффективности его функци-

онирования.

МОД-2 — полный М-автомат. Его М-сеть может

содержать до 400 i-моделей и до 2000 связей. На

М-сети задана двухуровневая СУТ. МОД-2 был реализо-

ван в виде программы для ЦВМ БЭСМ-6. Программа

содержала около 6000 команд. Время просчета одного

такта 30—50 сек. Экспериментально были исследованы

реакции автомата на протяжении до 300 тактов. На

входы автомата подавалась информация о плане дви-

жения и об объектах среды, каждый из которых отно-

сится к одному из шести возможных типов. Всего

среда могла содержать до 400 расположенных произ-

вольным образом объектов. Предварительная ин-

формация о некоторых характеристиках среды и

структуре оценочных функций задавалась в процессе

начальной организации М-сети автомата. Количество

выполняемых МОД-2 действий (выходных параметров

или решений) — 22. Из них 17 — различного рода дей-

ствия — шаги, перемещающие автомат в среде, а 5 —

«активные» действия, изменяющие состояние среды

или автомата («есть», «спать», «нести объект», «бросить

объект», «создать убежище»). Поведение автомата со-

стояло в формировании последовательностей решений

о выполнении тех или иных действий и соответственно

их фактическим выполнением. Были разработаны оцен-

ки поведения и предложены процедуры оптимизации

автомата. Оптимизация выполнялась варьированием

значений шести параметров обучения.

В ходе исследования МОД-2 был решен ряд вспо-

могательных задач-тестов. Представляет самостоятель-

ный интерес результат одной из таких задач, свя-

занной с моделированием процессов формирования

понятий человеком. Здесь показана приводимость

М-автомата к формам, моделирующим как индивиду-

альное, так и обобщенное групповое поведение. Были

продемонстрированы методы такого приведения.

Модель механизмов речи. Одновременно с разра-

боткой МОДа проводилось исследование, цель которого

состояла в том, чтобы изучить возможности М-сетей

в области нейрофизиологии и нейропсихологии, а так-

же оценить практическую и познавательную важность

таких моделей. Был разработан и исследован М-авто-

мат, моделирующий механизмы речи. В модели пред-

ставлены такие аспекты устной речи, как восприятие,

осмысливание, словесное выражение. Преимуществен-

ное внимание уделялось содержательной стороне про-

цессов переработки словесной информации. Модель

предназначена для воспроизведения относительно про

стых речевых функций — ответов на вопросы ограни-

ченного типа, повторения, называния. Она содержит

следующие блоки: слуховых восприятий, сенсорный

речевой, проприоцептивный речевой, понятийный, эмо-

ций, мотивационный, двигательный речевой, артикуля-

торный и блок СУТ. Блоки модели соотнесены с опреде-

ленными мозговыми образованиями. При задании

организации М-сети использовались данные нейромор-

фологии, нейрофизиологии и клинической неврологии.

Модель представлена в виде необучающегося пол-

ного М-автомата. Его М-сеть содержит более 1000

i-моделей и 8000 связей между ними. М-автомат реа-

лизован в виде программы для ЦВМ БЭСМ-6, содер-

жащей около 500 команд. Время просчета одного так-

та — 2 сек. В экспериментах наблюдалось поведение

модели на протяжении до 100 тактов. На вход модели

подавались буквы русского алфавита, объединенные

в слова и фразы, а также специальные объекты, соот-

ветствующие образам предметов. На выходе модели,

в зависимости от режима ее работы, наблюдались

последовательности букв русского алфавита, которые

были либо ответами на входные вопросы, либо по-

вторением входных слов, либо названиями предметов.

То обстоятельство, что при создании модели широко

использовались данные нейрофизиологии, позволило

в экспериментах имитировать ряд поражений мозга

органического и функционального характера, приво-

дящих к нарушениям функций речи. В частности,

получены модельные отображения синдромов сенсор-

ной, моторной, проводниковой и транскортикальной

афазий.

Описанные М-автоматы составляют основной фонд

«больших» моделей, разработанных и исследованных

в процессе изучения возможностей и практических ме-

тодов использования М-сетей.

Нами были выполнены и некоторые модельные раз-

работки, в которых аппарат М-сетей использовался

эпизодически или в модифицированном виде. Анализ

результатов, полученных в разработках такого рода,

может представлять серьезный интерес при оценке

возможностей и свойств обсуждаемого нами аппарата.

Весь опыт моделирования поведения «разумного

субъекта» в некоей среде — «лабиринте» — с исполь-

зованием М-сети и расчетами на ЦВМ подытожен в

монографии [4]. В качестве примера на рис. 3 приве-

дены результаты одного из экспериментов по исследо-

ванию поведения такого «субъекта».

Семь-восемь лет мы занимались созданием сетевых

моделей на ЦВМ, пока не убедились, что возможности

таких моделей ограничены. Объем расчетов оказался

слишком большим даже для компьютера: за один такт

нужно пересчитать циркуляцию «энергии» по всем

связям и изменения в их проходимости, подсчитать

активность всех элементарных моделей, пересчитать

изменение их тренированности для следующего такта.

Если же предусмотреть и возможность образования

новых связей и новых моделей, иными словами, вос-

произвести принцип самоорганизации, то количество

счетной работы будет расти подобно снежному кому.

Затраты машинного времени увеличиваются прибли-

зительно пропорционально кубу числа моделей в сети.

Но дело не только в расчетах — так же трудно оказа-

лось отладить громоздкие программы. Так или иначе,

выйти за предел 1000 моделей и 8000 связей нам не

удалось. Формально мы воспроизвели в МОД самые

простые программы психики, такие, как сознание и

подсознание, оптимизация действий по многим крите-

Рис. 3. Схема движений и действий МОДа по карте.

риям — чувствам с предвидением и планированием.

Была продемонстрирована разная обобщенность или

иерархия моделей, обучение, забывание и даже разли-

чия характера. Но в целом этот «субъект», путешест-

вующий среди врагов и препятствий в поисках пищи,

соответствовал лишь довольно примитивному живот-

ному.

Аналоговые модели. Роботы. Тем не менее сущест-

вует много задач, для которых вполне достаточен

и такой ограниченный интеллект. В частности — для

роботов, предназначенных для специализированной

деятельности. Важнейшим требованием для них долж-

на быть автономность, независимость от ЦВМ, что

привело к реализации сетевого интеллекта на физиче-

ских элементах. Идея сама по себе проста: предста-

вить каждую элементарную модель в виде усилителя,

на вход которого поступает потенциал от других

моделей, а на выходе формируется усиленный потен-

циал, который тоже передается по связям и гасится

пропорционально их сопротивлению. Из таких элемен-

тов-усилителей можно создать любую сеть, если каж-

дому придать определенное значение — семантику.

Одни элементы — модели предметов, другие — чувств

и т. д., как в сетевых моделях РЭМ и МОД. Разные

характеристики усилителей и разные сопротивления

связей позволяют создать структуры любого назначе-

ния. Модель интеллекта на физических элементах

в наибольшей мере приближается к имитации мозга.

К сожалению, есть разница: несоизмеримо мало чис-

ло элементов и связей. Однако сложность такого интел-

лекта целиком определяется технологией. Можно соз-

дать довольно большие сети, во всяком случае доста-

точные для робота.

В 1972 г. были начаты работы по созданию моде-

ли ИИ в виде сети из физических элементов. Цель

их — построить систему управления в виде М-сети с

системой усиления-торможения (СУТ) и разместить

ее на тележке.

Прежде чем приступить к разработке макета, были

проверены возможности сети из физических элемен-

тов с СУТ. Первая сеть содержала 26 узлов и около

300 связей и управляла перемещением писчика по

условной среде, изображенной на карте. Результаты

экпериментальных исследований этой системы оказа-

лись обнадеживающими. Тогда приступили к созданию

транспортного робота — ТАИРа.

Конструктивно разрабатываемый макет робота

представляет собой трехколесное шасси, на котором

смонтированы комплект рецепторов (органов чувств),

блок управления, энергосистема и прочие устройства.

Размер шасси 1600x1100x600 мм. Все три колеса

являются ведущими и имеют автономный привод от

электродвигателей мощностью по 30 Вт. Переднее

колесо поворотное. Питание электродвигателей осуще-

ствляется от аккумуляторных батарей. Скорость дви-

жения по ровной поверхности составляет 10—12 м/мин.

Датчики-рецепторы можно разбить на несколько

групп.

1. Датчики, определяющие положение робота в

пространстве:

а) навигационная система с компасом и двумя

радиомаяками;

б) датчики углов наклона тележки в двух плоско-

стях.

2. Датчики информации об окружающей среде:

а) дистантные. Активный оптический дальномер

с радиусом действия до 10 м. Система оптических дат-

чиков близости с диапазоном расстояний до 30 см;

б) контактные датчики — система микровыключа-

телей, установленных на гибком чехле, в который за-

ключена тележка.

3. Датчики состояний робота:

а) термодатчики на электродвигателях;

б) датчики крутящего момента на приводах к

колесам;

в) датчики напряжения на аккумуляторных бата-

реях;

г) вибродатчик.

4. Датчик времени.

Основу системы управления представляет физиче-

ски реализованная М-сеть. Специфическая СУТ в М-се-

ти задает положительную обратную связь по возбуж-

дениям узлов и обеспечивает тем самым доминирова-

ние в каждый момент времени одного или нескольких

узлов над всеми другими. Ввод и вывод информации

в М-сети соответствуют возбуждению определенных ее

узлов (входных и выходных).

В настоящее время система управления роботом

предполагает осуществление целенаправленного дви-

жения с обеспечением собственной безопасности (объ-

езд препятствий, избегание опасных мест, поддержа-

ние внутренних параметров в заданных пределах) и

минимизацию временных и энергетических затрат.

Вся сеть, состоящая из 100 узлов, разбита на шесть

сфер.

Сферы оценок и распознавания ситуаций являются

входными. Аналогично сенсорным системам мозга

человека здесь осуществляется анализ воспринятой

датчиками информации, на основе которого выполня-

ется интегральная оценка среды, условий задачи и

собственных состояний.

Выбор характера поведения в текущей ситуации

производится в сфере решений. При этом может быть

принято решение, определяющее направление движе-

ния, осуществление какого-то сложного маневра или

даже выполнение некоторого элементарного действия.

Организация самого двигательного поведения осу-

ществляется тремя сферами, являющимися выходны-

ми для сети,— сферами маневров высшего уровня,

маневров нижнего уровня и элементарных действий.

Здесь формируется последовательность команд, посту-

пающих к эффекторной системе — системе управления

поворотным и тяговыми электродвигателями.

Все узлы сети (i-модели) представляют собой усили-

тели постоянного тока со специальными характе-

ристиками. Узлы каждой из выделенных сфер имеют

свои определенные характеристики. Точно так же в

каждой сфере действует своя СУТ. Связи между узла-

ми выполнены из резистивных элементов в устройстве

матричного типа. Для ввода информации от датчиков

в сетевое устройство управления используется 60 ка-

налов.

Внешний вид ТАИРа представлен на рис. 4. В на-

стоящее время мы продолжаем работы по созданию

новых систем управления роботами. Эти системы пока

не претендуют на достижение высокого уровня интел-

лекта. Правда, для ограниченных целей нейроноподоб-

ная семантическая сеть на физических элементах с

СУТ хорошо себя зарекомендовала и привлекла внима-

ние исследователей и конструкторов, которые думают

об автономных роботах. Планы отдела биокибернетики

по совершенствованию автоматов предполагают реа-

лизовать обучение, создать ансамблевую организацию

из элементов, позволяющую резко увеличить количе-

ство моделей при том же числе элементов, улучшить

зрительное восприятие среды и даже дойти до чело-

веческой речи. Я не уверен, что эти планы воплотятся

в металл достаточно скоро, не потому, что идеи не-

состоятельны, а исключительно вследствие трудностей

их технической реализации. Почти пятнадцать лет

попыток моделирования разума человека привели

меня лишь к ответу на вопрос «Что такое интеллект?»,

но существенно не приблизили к созданию его модели.

Нейроноподобная семантическая сеть с переменной

Рис. 4. Внешний вид ТАИРа.

активностью элементов связей и с СУТ кажется наи-

лучшим аналогом коры мозга, но размеры ее жестко

ограничены сложностью воспроизведения, элементар-

ные поведенческие реакции, полученные на описанных

моделях, весьма далеки от человеческих и ничего не

могут доказать. В самом деле, разве несколько сот

элементов нашей сети могут заменить 10 миллиардов

нейронов мозга? Если к этому прибавить, что каждая

нервная клетка представляет собой функциональную

систему из многих тысяч макромолекул, что она име-

ет несколько сот «входов» и может участвовать в ра-

боте различных клеточных ансамблей, давая почти

астрономическое число моделей, то разве можно все

это воспроизвести? К этому нужно добавить самоорга-

низацию в виде избирательной тренировки «входов» —

синапсов, обеспечивающих память, и тренировку «вы-

хода», резко повышающую активность нейрона. Нерв-

ная система — не просто сеть из одинаковых элемен-

тов. В ней имеется начальная структура связей и

клеток с разной активностью, обеспечивающих вро-

жденные рефлексы, чувства, программу доминирова-

ния. Тренируемость клеток и связей позволяет разви-

вать и адаптировать врожденные реакции и наслаивать

на них иерархию функциональных актов различных

уровней обобщения и содержания. Все это, вместе взя-

тое, дает человеческий разум — изумительное произ-

ведение природы, которое, раз возникнув, открыло в

мозге новые возможности.

После такой характеристики сложности и возмож-

ностей мозга задача его воспроизведения в модели

кажется безнадежной. Трудно представить себе искус-

ственную сеть из десятка миллиардов элементарных

усилителей, каждый из которых может иметь сотни

входов, обладает способностью к тренировке — то есть

изменению характеристик. Трудно, но не безнадежно.

В отличие от длительной естественной эволюции про-

гресс науки и техники стремителен и все более уско-

ряется. Поэтому в перспективе возможна и аналоговая

сеть, сравнимая по мощности с мозгом. Важно пра-

вильно поставить задачу — в данном случае сказать,

какими должны быть элементы и как их соединять

друг с другом. Пожалуй, еще важнее представить ал-

горитм интеллекта в достаточно обобщенном виде,

позволяющем реализовать его различными средствами.

Велики технологические трудности на пути до

аналогового интеллекта. Поэтому так заманчивы уни-

версальные цифровые машины, которые уже теперь

достигли большой мощности. Совершенствуется их

внешняя память и растет объем оперативной памяти.

Быстродействие исчисляется миллионами операций

в секунду. Разделение времени и создание параллель-

ных программ позволяют повысить эффективность

компьютеров. Создается впечатление, что возможности

ЦВМ еще не достаточно использованы для реализации

алгоритма интеллекта. То обстоятельство, что до сих

пор наши попытки создания СИ не увенчались успе-

хом, еще не означает, что исследования закончены.

Нужно сохранить обобщенный алгоритм, но отказать-

ся от сети с тем, чтобы уменьшить объем расчетов.

Однако при этом следует лишь в минимальной мере

поступиться принципами. Мы решили предпринять

такую попытку — создать алгоритмическую модель

интеллекта. Соображения к ее проекту будут пред-

ставлены в заключительной части книги. А пока пе-

рейдем к изложению идей, положенных в основу этой

модели.